How to access pixel data of an image

总体来说， 总共有三种办法：

(1)  using 'at'

(2) using direct address calculation

(3) using 'ptr'

方法一：如下

Mat img= imread("image.jpg", 0) //0 for grayscale image reading 
for (int i = 0; i < img.rows; i++) {// run through the rows
    for(int j = 0; j < img.cols; j++) { // run through the cols
            cout << (int) img.at<uchar>(i, j) << " "; // for getting
            img.at<uchar>(i, j) = 0; // for setting
    }
}

方法二： 对于grayscale image, by directly going to address.

Hint: 对于（8 bit）灰度图图像， 图像数据的存储格式如下所示， 5 x 10:

但是对于彩色图像而言， 例如彩色（RGB）图像有三通道， 在OpenCV 中尤其要注意彩色图像的存储格式是每一个像素是以GBR的顺序存储的。

要获得第（i, j）个pixel的 k 通道分量的数据， 计算公式如下：

对于灰度图像， 程序如下：

Mat img= imread("image.jpg", 0) //0 for grayscale image reading 
for (int i = 0; i < img.rows; i++) {// run through the rows
    for(int j = 0; j < img.cols; j++) { // run through the cols
            cout << (int) *(img.data + img.step[0] * i + j * img.step[1]) << " "; // for getting
            *(img.data + img.step[0] * i + j * imgstep[1]= 0; // for setting
    }
}

对于彩色图像如下：

Mat img= imread("image.jpg", 1) //1 for color image reading 
for(int k = 0; k < img.step[1]; k++) {
    for (int i = 0; i < img.rows; i++) {// run through the rows
        for(int j = 0; j < img.cols; j++) { // run through the cols
            cout << (int) *(img.data + k + img.step[0] * i + j * img.step[1]) << " "; // for getting
            *(img.data + k + img.step[0] * i + j * imgstep[1]= 0; // for setting
        }
}

方法三， 使用指针

对于灰度图像：

Mat img= imread("image.jpg", 0) //0 for grayscale image reading 
for (int i = 0; i < img.rows; i++) {// run through the rows
    uchar* rowPtr = img.ptr<uchar>(i); // rowPtr holds the pointer to ith row
    for(int j = 0; j < img.cols; j++) { // run through the cols
            cout << (int) rowPtr[j] << " "; // for getting
            rowPtr[j] = 0; // for setting
    }

另外对于IplImage 的RGB的图像， 我们有如下的方式：

for(int i = 0; i < img -> height; i++) {
    for(int j = j; j < img -> width; j++) {
        cvScalar s;
        s = cvGet2D(img, i, j);
        s.val[0] = 0; //B
        s.val[1] = 0; //G
        s.val[2] = 0; //R
        cvSet2D(img, i, j, s);
    }
}

对于小的矩阵， 可以如下优化：

#include <opencv2/core/core.hpp>

using namespace cv;

int main(void)
{

    Mat img = imread("test.jpg");
    int rows = img.rows;
    int cols = img.cols;

    if (img.isContinuous())
    {
        cols = rows * cols; // Loop over all pixels as 1D array.
        rows = 1;
    }

    for (int i = 0; i < rows; i++)
    {
        Vec3b *ptr = img.ptr<Vec3b>(i);
        for (int j = 0; j < cols; j++)
        {
            Vec3b pixel = ptr[j];
        }
    }

    return 0;
}

还可以如下：